隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展與進(jìn)步,使得人類逐步進(jìn)入了互聯(lián)網(wǎng)時(shí)代。互聯(lián)網(wǎng)與人類生活不斷地融合,人類越來越依賴網(wǎng)絡(luò)化的生活方式。然而,與之相關(guān)的網(wǎng)絡(luò)安全問題層出不窮,對整個(gè)社會的沖擊也越來越大。因此,網(wǎng)絡(luò)安全人才的培養(yǎng)迫在眉睫。與此同時(shí),“互聯(lián)網(wǎng)+”的倡議受到廣泛關(guān)注,互聯(lián)網(wǎng)與教育在不同程度、不同方面深度融合,使得越來越多的教育資源走向互聯(lián)網(wǎng),逐漸出現(xiàn)了很多類似于MOOC的網(wǎng)絡(luò)學(xué)習(xí)平臺。網(wǎng)絡(luò)學(xué)習(xí)平臺的出現(xiàn)使得學(xué)習(xí)者可以隨時(shí)隨地進(jìn)行學(xué)習(xí),學(xué)習(xí)變得更加方便,學(xué)習(xí)資源也更加豐富。綜上所述,設(shè)計(jì)、開發(fā)一個(gè)面向網(wǎng)絡(luò)安全的在線學(xué)習(xí)平臺,通過網(wǎng)絡(luò)學(xué)習(xí)的方式來培養(yǎng)網(wǎng)絡(luò)安全人才是非常有意義的。然而,目前大多數(shù)網(wǎng)絡(luò)安全在線學(xué)習(xí)平臺僅僅局限于學(xué)習(xí)資料的共享與使用。學(xué)習(xí)資料越多,數(shù)據(jù)越龐大,對于毫無頭緒的初學(xué)者來說,找到一套適合于自己的學(xué)習(xí)路線以及相關(guān)學(xué)習(xí)資料,無疑是一個(gè)非常嚴(yán)峻的考驗(yàn)。這種“盲人摸象”的學(xué)習(xí)方式很難取得好的學(xué)習(xí)效果,最終將導(dǎo)致學(xué)習(xí)者失去學(xué)習(xí)熱情和學(xué)習(xí)興趣。針對上述問題,本文在網(wǎng)絡(luò)安全在線學(xué)習(xí)平臺中引入個(gè)性化的推薦機(jī)制,通過獲取學(xué)習(xí)者的學(xué)習(xí)基礎(chǔ)和學(xué)習(xí)偏好,并設(shè)計(jì)推薦算法來為每位學(xué)習(xí)者推薦適合于其使用... 

【文章來源】：青島科技大學(xué)山東省

【文章頁數(shù)】：86 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2-1兩種確定目標(biāo)用戶鄰域的方法

網(wǎng)絡(luò)安全自主學(xué)習(xí)平臺的設(shè)計(jì)與開發(fā)15圖2-2基于物品的協(xié)同過濾推薦原理Fig.2-2Theprincipleofcollaborativefilteringrecommendationbasedonitems從圖2-2中，我們可以發(fā)現(xiàn)用戶B和用戶C都喜歡目標(biāo)物品（某件衣服），而且他們也同時(shí)喜歡跟目標(biāo)物品非常相似的另外一件物品（另外一件衣服）。此外，用戶D不喜歡目標(biāo)物品，同時(shí)D也不喜歡該目標(biāo)物品的相似物品。也就是說，我們可以得出這樣的規(guī)律：當(dāng)用戶喜歡某件物品時(shí)，他也會同時(shí)喜歡該物品的相似物品，而當(dāng)用戶不喜歡某件物品時(shí)，那么他也就不會喜歡該物品的相似物品。根據(jù)上述規(guī)律，我們就可以推出：由于用戶A喜歡目標(biāo)物品，因此，A很有可能也會喜歡該目標(biāo)物品的相似物品。基于物品的協(xié)同過濾推薦算法的主要步驟如下：（1）收集用戶信息，找到目標(biāo)用戶喜愛、偏好的物品。（2）針對物品進(jìn)行最近鄰搜索。先計(jì)算已評價(jià)物品和待預(yù)測物品的相似度，并以相似度作為權(quán)重，對各已評價(jià)物品的分?jǐn)?shù)進(jìn)行加權(quán)，從而得到待預(yù)測物品的預(yù)測值。（3）產(chǎn)生推薦結(jié)果。將根據(jù)物品的相似度和用戶的歷史行為所計(jì)算得到的預(yù)測值進(jìn)行排序，從而為目標(biāo)用戶生成推薦列表。基于物品的協(xié)同過濾推薦算法的優(yōu)點(diǎn)如下：（1）推薦結(jié)果更加個(gè)性化，注重用戶興趣。通常應(yīng)用于長尾物品推薦、冷門商品推薦，以及用戶個(gè)性化需求強(qiáng)烈的領(lǐng)域。（2）算法實(shí)用且實(shí)時(shí)性強(qiáng)，易解釋。一旦用戶有新的行為，肯定會導(dǎo)致推薦結(jié)果的實(shí)時(shí)變化。另外，推薦結(jié)果可以給出良好的解釋。（3）在解決冷啟動方面也表現(xiàn)較好。通過新用戶的一次物品選擇，便可以進(jìn)行推薦。

網(wǎng)絡(luò)安全自主學(xué)習(xí)平臺的設(shè)計(jì)與開發(fā)25近鄰居的集合；（3）利用最近鄰居的集合，對目標(biāo)用戶進(jìn)行評分預(yù)測。NUCF算法的總體流程如圖3-1所示。圖3-1算法流程圖Fig.3-1AlgorithmflowchartNUCF算法的偽代碼如下：算法NUCF輸入:用戶-項(xiàng)目評分矩陣、推薦項(xiàng)目個(gè)數(shù)N。輸出:推薦項(xiàng)目列表。(1)建立用戶-項(xiàng)目評分矩陣。初始化用戶-項(xiàng)目評分矩陣，將評分值填充為0。讀取訓(xùn)練集中的數(shù)據(jù)，并填充用戶-項(xiàng)目評分矩陣；(2)確定相似用戶集合。使用式（3-5）計(jì)算用戶間的相似度大小，將相似度從大到小進(jìn)行排序，形成用戶相似度矩陣；(3)確定相似項(xiàng)目集合。取相似用戶集中所有項(xiàng)目，重新建立用戶-項(xiàng)目評分矩陣，使用式（3-2）對項(xiàng)目評分進(jìn)行計(jì)算，并取出所有用戶未評分的項(xiàng)目；(4)評分預(yù)測與推薦。對相似項(xiàng)目集合中項(xiàng)目相似度進(jìn)行最大值歸一化處理，然后按照相似度從大到小進(jìn)行排序，取前N個(gè)項(xiàng)目進(jìn)行推薦。

【參考文獻(xiàn)】：
期刊論文
[1]Python的計(jì)算機(jī)軟件應(yīng)用技術(shù)研究[J]. 胡正雨,劉文銳.  計(jì)算機(jī)產(chǎn)品與流通. 2020(07)
[2]基于用戶偏好的個(gè)性化推薦系統(tǒng)研究[J]. 楊倩,梁艷,王艷娥,司海峰,張拓.  電腦知識與技術(shù). 2020(13)
[3]融合用戶偏好和物品相似度的概率矩陣分解推薦算法[J]. 王運(yùn),倪靜.  小型微型計(jì)算機(jī)系統(tǒng). 2020(04)
[4]個(gè)性化推薦算法中“信息繭房”與用戶權(quán)利的思考[J]. 袁媛,張宏莉.  新聞研究導(dǎo)刊. 2020(05)
[5]“互聯(lián)網(wǎng)+”背景下UI設(shè)計(jì)教學(xué)資源庫建設(shè)研究[J]. 王俏,張金榮,姜毅.  通訊世界. 2020(01)
[6]UI設(shè)計(jì)中的配色及應(yīng)用[J]. 鄧朝暉.  電腦編程技巧與維護(hù). 2020(01)
[7]大數(shù)據(jù)個(gè)性化推薦分析[J]. 任敏.  物聯(lián)網(wǎng)技術(shù). 2019(11)
[8]通信運(yùn)營商大數(shù)據(jù)平臺容量需求測算模型探討[J]. 倪飛.  江西通信科技. 2019(04)
[9]基于項(xiàng)目關(guān)聯(lián)的Slope One協(xié)同過濾算法研究[J]. 申晉祥,鮑美英.  計(jì)算機(jī)與數(shù)字工程. 2019(08)
[10]高安全需求的Web服務(wù)器群主動防御體系研究[J]. 王楊,蔣巍,蔣海巖,劉桂香,劉歡.  網(wǎng)絡(luò)空間安全. 2019(06)

碩士論文
[1]“互聯(lián)網(wǎng)+”時(shí)代信息技術(shù)課程價(jià)值的再認(rèn)識[D]. 張鵬.喀什大學(xué) 2020
[2]基于相似度融合的協(xié)同過濾推薦算法研究[D]. 馮爽爽.江西農(nóng)業(yè)大學(xué) 2019
[3]基于內(nèi)容和協(xié)同過濾的混合算法在推薦系統(tǒng)中的應(yīng)用研究[D]. 何佳知.東華大學(xué) 2016
[4]數(shù)字學(xué)習(xí)資源個(gè)性化推薦技術(shù)研究與應(yīng)用[D]. 劉洋.浙江工商大學(xué) 2015
[5]基于內(nèi)容的個(gè)性化推薦系統(tǒng)研究[D]. 單京晶.東北師范大學(xué) 2015
[6]基于學(xué)習(xí)分析的學(xué)習(xí)資源個(gè)性化推薦研究[D]. 裴艷.陜西師范大學(xué) 2015
[7]基于個(gè)性化資源推薦的學(xué)習(xí)平臺的研究與設(shè)計(jì)[D]. 李寧.西南科技大學(xué) 2015
[8]基于協(xié)同過濾的學(xué)習(xí)資源個(gè)性化推薦研究[D]. 牛文娟.北京理工大學(xué) 2015
[9]基于個(gè)性化推薦的電子商務(wù)推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 單明.吉林大學(xué) 2014
[10]推薦系統(tǒng)用戶相似度計(jì)算方法研究[D]. 朱文奇.重慶大學(xué) 2014



本文編號：3323852